python – 使用BeautifulSoup基于内容值提取标记内容

概述我有一个以下格式的 Html文档. <p>1. Content of the paragraph <i> in italic </i> but not <b> strong </b> <a href="url">ignore</a>.</p> 我想提取段落标记的内容,包括斜体和粗体标记的内容,但不包含锚标记的内容.此外,可能在开头忽略数字. 预期的产出是： 该段 我有一个以下格式的 Html文档.

<p>&nbsp;&nbsp;&nbsp;1. Content of the paragraph <i> in italic </i> but not <b> strong </b> <a href="url">ignore</a>.</p>

我想提取段落标记的内容,包括斜体和粗体标记的内容,但不包含锚标记的内容.此外,可能在开头忽略数字.

预期的产出是：
该段内容以斜体显示但不强.

最好的方法是什么？

此外,以下代码片段返回TypeError：类型为“nonetype”的参数不可迭代

soup = BSoup(page)for p in soup.findAll('p'):    if '   ' in p.string:        print p

谢谢你的建议.

解决方法 您的代码失败,因为如果标记只有一个子节点并且该子节点是NavigableString,则设置tag.string

您可以通过提取标签来实现您想要的效果：

from BeautifulSoup import BeautifulSoups = """<p>&nbsp;&nbsp;&nbsp;1. Content of the paragraph <i> in italic </i> but not <b> strong </b> <a href="url">ignore</a>.</p>"""soup = BeautifulSoup(s,convertEntitIEs=BeautifulSoup.HTML_ENTITIES)for p in soup.findAll('p'):    for a in p.findAll('a'):        a.extract()    print ''.join(p.findAll(text=True))

总结

以上是内存溢出为你收集整理的python – 使用BeautifulSoup基于内容值提取标记内容全部内容，希望文章能够帮你解决python – 使用BeautifulSoup基于内容值提取标记内容所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。